TAN分类器结构等价类空间及其在分类器学习算法中的应用

为了认识树形贝叶斯网络(TAN)分类器结构中边的方向与分类精度的关系,以条件对数似然函数为优化目标,研究了TAN分类器结构空间和TAN分类器结构等价类空间,证明了随着训练数据集合的增大,TAN分类器结构中边的方向不对分类器的分类精度产生影响,并提出了一个不考虑边重定向的TAN分类器学习算法,用实验验证了其有效性.     

一种基于进化BP神经网络的文本分类算法

提出并实现了一种结合BP神经网络和遗传算法的文本分类算法,根据遗传算法能够快速优化网络权重以及摆脱BP算法局部极点困扰的能力,提出一种改进的遗传算法确定网络拓扑结构和训练网络的方法．最后对设计的分类器进行了开放性测试,实验结果表明该分类器显著地提高了文本分类的查全率和查准率．     

一种改进的朴素贝叶斯分类器在文本分类中的应用研究

文本分类是数据挖掘领域中重要的研究分支.通过对自适应遗传算法和朴素贝叶斯分类器的研究,提出一种基于自适应遗传算法的朴素贝叶斯分类算法.将该算法应用于中文文本分类中,可以生成最优贝叶斯分类器及最优属性集合,提高分类精度.     

混合采样与遗传算法相结合的垃圾网页检测

垃圾网页检测存在数据不平衡、特征空间维度较高的问题,为此,提出一种基于随机混合采样和遗传算法的集成分类算法.首先,使用随机混合采样技术,通过随机抽样,减少多数类样本数量,用少数类样本合成过采样技术方法生成少数类样本,获得多个平衡的训练数据子集;然后使用改进的遗传算法对训练数据集进行降维,得到多个具有最优特征的训练数据子集;使用极端梯度算法（XGBoost）作为分类器,训练多个平衡数据子集,用简单投票法对多个分类器进行集成,得到新的分类器;最后对测试集进行预测,得到最终预测结果.实验结果表明,提出算法的分类结果与XGBoost的结果相比,准确率提高了约19.25%,且减少了建立学习模型的时间,提高了分类性能,是一种较好的分类算法.     

基于人工神经网络的手写体相似汉字分类器的设计

相似汉字的准确分类是手写体汉字机器识别中的一个关键性问题。本文从手写体相似汉字的特征抽取方法、神经网络结构的选取及参数的确定、学习算法的设计等方面讨论了基于人工神经网络的手写体相似汉字分类器的设计方法 ,最后用 384组手写体相似汉字对分类器进行识别测试 ,实验结果证明了分类器的良好性能     

基于多支持向量机分类器的增量学习算法研究

为了将一般增量学习算法扩展到并行计算环境中,提出一种基于多支持向量机分类器的增量学习算法.该算法根据多分类器对新增样本集的分类结果,以样本到分类超平面的平均距离为条件重新构造支持向量集更新分类器,直到所有分类器的分类精度满足指定阈值.实验结果表明了该算法的可行性和正确性.     

基于人工神经网络的手写体相似汉字分类器的设计

相似汉字的准确分类是手写体汉字机器识别中的一个关键性问题。本文从手写体相似汉字的特征抽取方法、神经网络结构的选取及参数的确定、学习算法的设计等方面讨论了基于人工神经网络的手写体相似汉字分类器的设计方法,最后用384组手写体相似汉字对分类器进行识别测试,实验结果证明了分类器的良好性能。     

改进的球结构SVM多分类增量学习算法

针对球结构支持向量机(support vector machine,SVM)增量学习算法在训练时间和分类精度上的不足,提出了一种改进的球结构SVM多分类增量学习算法.该算法首先构造一个完全二叉树用于多类分类;分析新增样本的加入对原支持向量集的影响,将新增样本集中部分样本和原始训练集中的支持向量以及分布在球体一定范围内的样本合并做为新的训练集,完成分类器的重构.实现通过减少训练样本缩短训练时间和完善分类器提高分类精度的目的.通过UCI标准数据集实验,结果表明,该算法在所需训练的样本数、训练时间以及准确率3方面都优于球结构SVM增量学习算法,尤其当样本分布不平衡时,该算法有更高的分类准确率.     

一种基于多支持向量机分类器的并行学习算法

为了在并行计算系统中应用支持向量机,提出一种基于多支持向量机分类器的并行学习算法.分析了w-model算法的不足,并在训练过程中采用循环式反馈更新各支持向量机分类器以避免样本的分布状态对各分类器性能的影响,提高各分类器的训练精度.学习过程以平均分类精度为阈值,对部分分类器重新训练,实现对多分类器学习系统性能的全局优化.在UCI标准测试数据集上进行的实验结果表明,循环式反馈能有效地平衡多分类器学习性能相差过大的问题,算法较w-model具有更高的训练效率和分类效率.     

基于改进ATSVM算法的评审专家自动推荐模型

提出一种基于文本分类技术的评审专家自动推荐模型,通过文本分类技术对评审专家所发表的论文进行所属学科领域的分类,进而判断出评审专家的主要研究领域。模型采用了基于TF/IDF特征权重阈值的向量空间模型算法和改进后的ATSVM分类算法。实验结果表明,改进后的ATSVM分类算法可以增加交互的过程使训练得到的分类器具备自学习的能力,改进后的主动学习SVM分类器在多类别的分类上能够精确分类并且提高分类速度。     

Optimizing neural network forecast by immune algorithm

1 INTRODUCTIONThe forecast of complicated nonlinear relation-ships among multi-factor ti me series can be ex-pressed as a multivariate ti me series analysis ,which si multaneously observes the dynamic processof a group of (multi-di mension) correlative randomvariables as a whole , while traditional linear fore-casting methods such as multiple regression mod-el[1], GM(1 ,N) model[2]seemto have many bar-riers on solvingthis complex nonlinearissue amongthese multi-factor ti me series .Artifi…     

基于BP_Adaboost的目标跟踪算法应用研究

BP神经网络对目标跟踪时,由于其学习效率低及易于陷入局部极小的缺陷影响了跟踪算法的准确性。为提高BP神经网络跟踪模型的准确性,将Adaboost算法和BP神经网络相结合,提出了一种BP_Adaboost神经网络跟踪模型。通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器跟踪模型,将该模型应用于视频运动目标跟踪进行有效性验证。实验结果分析表明．该方法对运动目标能够准确地进行跟踪．大大提高跟踪算法的兽椿性．     

A novel genetic algorithm for vehicle routing problem with time windows

A novel genetic algorithm with multiple species in dynamic region is proposed,each of which occupies a dynamic region determined by the weight vector of a fuzzy adaptive Hamming neural network. Through learning and classification of genetic individuals in the evolutionary procedure,the neural network distributes multiple species into different regions of the search space. Furthermore,the neural network dynamically expands each search region or establishes new region for good offspring individuals to continuously keep the diversification of the genetic population. As a result,the premature problem inherent in genetic algorithm is alleviated and better tradeoff between the ability of exploration and exploitation can be obtained. The experimental results on the vehicle routing problem with time windows also show the good performance of the proposed genetic algorithm.     

基于深度双向分类器链的多标签新闻分类算法

在多标签新闻分类问题中,针对传统分类器链算法难以确定标签依赖顺序、集成模型运行效率低和无法应用复杂模型作为基分类器的问题,提出基于深度神经网络的双向分类器链算法. 该方法利用正向分类器链获取每个标签和前面所有标签的依赖关系,引入逆向分类器链,从正向链最后一个基分类器的输出开始反向学习每个标签和所有其他标签的相关性. 为了提取非线性标签相关性和提高预测性能,使用深度神经网络作为基分类器. 结合2条分类器链的均方误差,使用随机梯度下降算法对目标函数进行有效优化. 在多标签新闻分类数据集RCV1-v2上,将所提算法与当前主流的分类器链算法和其他多标签分类算法进行对比和分析. 实验结果表明,利用深度双向分类器链算法能够有效提升预测性能.     

公平算法在RPR多环互连网络中的应用研究

通过研究基于RPR单环网络设计的标准公平算法应用于RPR多环互连网络时的特性,对数种情况进行了分析,并运用软件进行仿真.仿真结果表明,公平算法应用于RPR多环互连网络中时,将会对网络利用率、速率稳定性等诸多方面产生不利影响.这些影响主要由同一数据在不同子网获得不同速率的情况造成,而RPR多环互连网络公平分配完全可以避免这些情况.     

基于遗传神经网络的语音信号盲分离算法

通过分析基于神经网络的经典盲分离算法具有容易陷入局部极小点,从而导致收敛速度慢和分离效果不准确的缺点,本文首先利用遗传神经网络算法对分离权值进行初始化,然后通过选择操作、交叉操作和变异操作,进行样本训练控制,在整个搜索空间进行搜索,得到分离矩阵最优值,最后实现了语音信号的盲分离。实验表明：该算法具有分离速度快、效果明显等特点。     

基于偏好多目标优化和遗传算法的输电网架重构

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。